分布式卫星SAR柔性仿真系统设计与实现

构建分布式卫星合成孔径雷达(synthetic aperture radar, SAR)仿真系统对于分布式卫星SAR系统设计、测试与验证、减少系统研制费用、降低决策风险,以及系统的在轨运行管理,都具有重要的意义。围绕分布式卫星SAR仿真系统设计需求,提出了分布式卫星SAR系统柔性仿真框架模型,并讨论了设计和实现过程中的关键技术。该系统的实现和应用验证了框架和技术路线的可行性,为未来进一步完善和广泛应用奠定了基础。     

用分布式小卫星提高星载SAR的方位向分辨率

通过分析传统星载合成孔径雷达 (SAR)在提高方位向分辨率时所遇到的困难 ,提出一种利用分布式小卫星提高星载SAR方位分辨率的方法。该方法把多个卫星天线的波束进行相干合成 ,从而达到增加合成孔径长度 ,提高方位向分辨率的目的。同时详细给出了该方法的原理和实现步骤。计算机仿真结果表明了该方法的有效性。最后 ,还指出有待进一步考虑的问题。     

分布式卫星SAR系统时变基线补偿方法

针对分布式卫星合成孔径雷达(synthetic aperture radar, SAR)系统中星间基线时变导致高程干涉相位补偿困难和SAR图像对相干性下降的问题,从分布式卫星SAR系统的观测几何构型出发,提出了一种时变基线补偿方法。该方法采用总体最小二乘法拟合航迹方程,并依据方程参数重构虚拟的平行航迹,通过补偿原航迹和新航迹上的观测波程差获得等效的固定基线回波数据。仿真实验表明,采用该方法进行时变基线补偿后,能有效提高SAR图像对的相干性和地面动目标检测(ground moving target indication, GMTI)性能。     

群聚卫星系统参数对INSAR测高测速精度的影响

群聚卫星SAR(syntheticapertureradar)系统是一种新的功能强大的SAR系统。切航迹干涉SAR(CT INSAR)及沿航迹干涉SAR(AT INSAR)是该系统的两种主要工作模式。主要研究该系统中各种参数测量的误差对切航迹干涉SAR成像高度精度的影响,分析并给出了在测绘带内对各种数据测量精度的要求。还分析了沿航迹干涉SAR中测速精度对基线测量精度的要求。仿真结果表明,CT INSAR系统对基线精度的要求比AT INSAR系统要高得多。     

分布式星载合成孔径雷达顺轨干涉动目标检测

主要研究分布式小卫星载合成孔径雷达顺轨干涉(SAR-ATI)动目标检测算法,通过建立卫星轨道、编队、地面静止及运动点目标模型,分析星载SAR-ATI动目标检测的流程图,仿真地面目标回波信号并成像。实验证明了在目标径向速度相对雷达平台航向速度不是很大、目标聚焦良好的情况下,ATI动目标检测方法的有效性。     

一种新的双通道运动目标测速定位方法

利用双通道合成孔径雷达(synthetic aperture radar,SAR)数据的协方差矩阵的第二特征值,可以有效地检测地面运动目标。在此基础上,提出一种新的运动目标测速定位方法,该方法通过提取双通道SAR数据的协方差矩阵非对角元素相位信息来对运动目标进行测速和定位。仿真数据和实测数据都验证了该方法的有效性,实验结果表明该方法的测速精度优于传统沿航迹干涉(ATI)方法。     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

全极化合成孔径雷达地势高度信息检测技术

从全极化合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像.重点研究了极化合成孔径雷达三维成像算法;提出了由Stokes矢量推导的极化椭圆方向角解模糊算法;讨论了目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化SAR图像数据得到了极化三维成像结果.     

SAR图像几何特征的仿真

合成孔径雷达(SAR)图像由于其特有的几何畸变和斑点噪声的影响,给图像定位和解译造成许多困难,而通过仿真方法研究其几何影响可为SAR图像研究提供有力的工具。该文研究了合成孔径雷达图像(SAR)几何特征的仿真。首先研究了SAR图像的几何影响:透视收缩(foreshortening)、掩叠(layover)和阴影(shadow)。然后,提出了SAR图像几何畸变和斑点噪声(speckle)的仿真方法,并给出了计算机仿真山地、建筑物和车辆的SAR图像。最后,讨论了SAR图像几何仿真的一些应用。     

全极化沿航向干涉SAR系统参数优化设计

为最大化全极化沿航向干涉合成孔径雷达(synthetic aperture radar, SAR)系统相对于单极化沿航向干涉SAR系统的运动目标检测优势,建立了一种以可测速区间长度之比为目标函数的优化模型,提出了相应的最优解求解方法。仿真实验结果表明,与模型最优解对应的参数设置充分利用了雷达系统的极化信息,最大化了全极化干涉系统在运动目标检测方面的优势。     

High sidelobe effects on interferometric coherence for circular SAR imaging geometry

The coherence is a measure for the accuracy of the interferometric phase,and the synthetic aperture radar(SAR) interferometric coherence is affected by several sources of the decorrelation noise.For the circular SAR(CSAR) imaging geometry, the system response function is in the form of the Bessel function which brings a high sidelobe,and the high sidelobe of CSAR will be an important factor influencing the interferometric coherence. The effect of the high sidelobe on the coherence is analyzed and deduced.Based on the interferometric characteristics of the slight difference in the viewing angles and the potential pixel offset in the interferometric SAR(InSAR) images,a relation between the radar impulse response and the coherence loss function is derived. From the relational model,the coherence loss function due to the high sidelobe of CSAR is then deduced,and compared with that of the conventional SAR.It is shown that the high sidelobe of CSAR focusing signal will severely affect the baseline decorrelation and coregistration decorrelation.Simulation results confirm the theoretical analysis and quantitatively show the baseline and coregistration decorrelation degradation due to the high sidelobes of CSAR.     

基于改进R-FCN的SAR图像识别

由于深度学习在目标识别方面取得了显著的成绩,为提高合成孔径雷达(synthetic aperture radar, SAR)图像目标识别的精度与速度提供了新的思路。本文将区域全卷积网络(region-based fully convolutional networks, R-FCN)结构应用于SAR图像目标识别中,取得了良好的效果。对于数据集较小和数据相似度较高的问题,提出了基于迁移学习的R-FCN模型用于SAR图像目标识别。对更快的区域卷积神经网络(faster region convolutional neural networks, Faster R-CNN)和R-FCN进行模型训练及优化,并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比。结果表明,所提方法对SAR图像具有更好的识别效果和更快的识别速度。     

双层稀疏组Lasso高分辨SAR结构特征增强成像

针对合成孔径雷达(synthetic aperture radar,SAR)成像中,基于l1正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失,进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法.该算法以散射体的块结构(组)...     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

基于图拉普拉斯嵌入的合成孔径雷达时变窄带干扰抑制算法

合成孔径雷达(synthetic aperture radar, SAR)作为一种宽带系统, 常与同频段内其他有源电磁系统发生冲突, 这些信号相较于宽带SAR系统而言, 大部分是窄带干扰(narrow-band interference, NBI), 会对高分辨SAR成像系统产生严重干扰。早期关于NBI抑制问题的研究中, 很少有人注意到NBIs在不同脉冲之间可能具有局部时变特性, 这削弱了某些经典方法在干扰抑制上的性能。因此, 本文提出了一种图拉普拉斯嵌入(graph Laplacian embedding, GLE)算法, 通过在不同脉冲信号之间构建拉普拉斯嵌入关系来抑制NBIs。这使得局部时变的干扰能够被嵌入到非线性低维流形中, 并被有效去除。对实测受NBI干扰的SAR数据进行处理, 处理后的结果证明了所提方法的有效性。     

多基线InSAR干涉图仿真方案设计与分析

多基线InSAR具有高可靠性与高精度的优势,是InSAR技术发展的方向之一。为了提供研究多基线InSAR技术的良好实验数据,针对正侧视SAR成像的几何特点,以F.Leberl构像模型建立像点与地面点之间的坐标关系,借鉴摄影测量中的正射纠正方法,分别设计了利用DEM进行多基线InSAR干涉图模拟的直接法仿真方案和间接法仿真方案。采用多套DEM进行了仿真实验,得到了满意的仿真效果,结合仿真结果分析了不同仿真方案的特点。     

基于贝叶斯压缩感知的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)目标识别问题,提出一种基于贝叶斯压缩感知(Bayesian compressive sensing, BCS)的图像域SAR目标识别方法。该方法首先对SAR图像进行分割预处理,得到目标区图像数据;然后基于BCS模型,根据训练样本构造传感矩阵;求解测试样本相应的稀疏系数矢量,根据稀疏系数矢量中对应训练样本类别元素的L2范数判定目标类型。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)计划公开发布的SAR目标数据库进行实验,结果表明该方法具有良好的识别效果。     

基于微动调制的InSAR有源干扰方法

鉴于微动调制能够有效地对合成孔径雷达（synthetic aperture radar, SAR）进行干扰,研究基于微动调制干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）有源干扰方法。基于InSAR信号模型研究了微动调制干扰对InSAR的干扰原理,进一步分析了干扰效果与关键干扰参数之间的关系,并利用仿真进行了验证。研究表明,该干扰方法能够在InSAR图像中形成沿方位向分布的形似“连续的栅栏”或“离散的栅栏”的多假目标,“栅栏”的间隔和长度由微动调制参数决定,“栅栏”的高度由干扰机的高度和发射功率共同决定。     

基于改进ResNet网络的复数SAR图像舰船目标识别方法

合成孔径雷达(synthetic aperture radar, SAR)采用微波相干成像, 因此SAR图像本质上是复数的。传统基于神经网络的SAR图像目标识别方法, 通常只处理SAR图像的幅度信息, 无法有效利用SAR图像特有的复数信息。本文面向SAR图像中的舰船目标识别应用, 从SAR图像的本质出发, 首先通过组合SAR图像的实部、虚部和幅度三通道信息, 隐式地提供了输入数据的复数信息表示; 然后在ResNet18网络及其结构基础上引入通道注意力机制, 使网络能自适应学习实部、虚部和幅度三通道之间包含的复数信息; 最后引入标签平滑正则化, 解决因复数数据集样本较少出现的过拟合现象。基于OpenSARShip数据集的实验结果表明, 所提方法可以较好利用SAR图像本身的复数信息, 在一定程度上提升了基于深度神经网络的舰船目标识别效果。